Verhaltensmodellierung in der Kraftfahrzeugtechnik mittels datenbasierter Methoden

Die vorliegende Arbeit untersucht die Eignung datenbasierter Modellierungsmethoden in Anwendung auf die Verhaltensmodellierung in der Automobilelektronik. Für die Untersuchung werden zwei Anwendungsgebiete vorgestellt. Einerseits wird die automatisierte Generierung funktionaler Verhaltensmodelle für Mixed-Signal Systeme analysiert, andererseits die Anwendung datenbasierter Modelle für die Signalanalytik integrierter Sensorsysteme evaluiert. Die Untersuchungen zur automatisierten Erstellung von funktionalen Verhaltensmodellen basieren auf einer Nutzwertanalyse, die gängige Verfahren der Verhaltensmodellierung vorstellt und qualitativ diskutiert. In diesem Zusammenhang werden Bewertungskriterien abgeleitet, die im Verlauf der Arbeit zur Beurteilung der entwickelten Methodik eingesetzt werden. Das entwickelte Verfahren ermöglicht eine automatische Erstellung von funktionalen Verhaltensmodellen für Systeme, die in einer simulierbaren Implementierung vorliegen. Durch eine systemtheoretische Betrachtung der Signalverläufe können Komponenten aus unterschiedlichen physikalischen Domänen berücksichtigt werden. Zur Abbildung nichtlinearer Zusammenhänge wird auf Support-Vektor-Maschinen zurückgegriffen, die für die Repräsentation dynamischer Informationen um eine Funktionsbibliothek erweitert werden. Grundlegend für die erfolgreiche Umsetzung des gesamten Prozesses ist das Vorhandensein einer transienten Datenbasis, die aus Simulationen der Originalsysteme gewonnen werden. Für die Erstellung dieser Daten wird ein Konzept vorgeschlagen, das Methoden des experimentellen Designs und des aktiven Lernens vereint. Um eine breite Anwendung der generierten Modelle in diversen Simulatoren zu ermöglichen, wird ein C-basiertes Schnittstellenkonzept vorgestellt, das die Einbindung eines generierten Modells in die Simulatoren AdvanceMS, Saber und Simulink automatisiert. Als Evaluationsbeispiele dienen eine Ladungspumpe, eine Einspritzdüse und ein Drucksensormodell. Das zweite Anwendungsfeld thematisiert die Realisierung einer softwarebasierten Signalanalytik für einen integrierten Gassensor. Mittels experimenteller Daten werden für die Signalanalytik automatisiert datenbasierte Modelle erstellt, womit der Aufwand einer traditionellen Software-Implementierung reduziert werden kann. Damit sich die untersuchte Methodik für die Verwendung in kostengünstigen Produkten qualifiziert, müssen die Speicheranforderungen des datenbasierten Modells an die Randbedingungen eines Mikrocontrollers angepasst werden. Für diese Anforderungen wird ein neues Lernverfahren für diskretisierte Support-Vektor-Maschinen vorgestellt, das ohne merkliche Einbußen in der Genauigkeit eine Reduktion des Speicherbedarfs ermöglicht.